<li id="wkceg"></li>
<rt id="wkceg"><delect id="wkceg"></delect></rt>
<bdo id="wkceg"></bdo>
<strike id="wkceg"><acronym id="wkceg"></acronym></strike>

  • 帳號:
    密碼:
    智動化 / 文章 /

    機器視覺走入AI世代 後勢發展深具潛力
    [作者 王明德]   2019年10月01日 星期二 瀏覽人次: [9748]

    機器視覺近年來發展加速,應用領域也快速拓展,相較於人眼,機器視覺對環境的適應力更佳,包括高溫、寒冷,甚至是真空等人類難以適應的惡劣環境,機器視覺都可正常運作,再加上現在產線移動速度越來越快,產品體積漸趨精細,人眼已難分辨細小瑕疵。



    圖1 : AI已是機器視覺的既定趨勢,多數軟硬體廠商都已投入研發,新產品也不斷問世,未來發展值得期待。(source: Electronics Sourcing)
    圖1 : AI已是機器視覺的既定趨勢,多數軟硬體廠商都已投入研發,新產品也不斷問世,未來發展值得期待。(source: Electronics Sourcing)

    在此情況下,在科技、食品…等製造業中,機器視覺已逐漸取代人力,成為品管檢測的主要技術,近年來智慧化成為全球製造業的重要趨勢,機器視覺也迅速與AI結合,提供業者更快速、精準且具彈性的視覺檢測方案。


    從應用面來看,機器視覺在製程上包括檢視(Inspection)、導引(Guidance)、控制(Control)、識別(Identification)和物料搬送(Material Handling)等四大應用面向方面,其族群則為產業機器設備製造商、系統整合商與企業用戶。


    工業4.0驅動市場改變

    至於產品類型則有分別是PC-Based以及單機兩種架構,PC-Based的使用者大多需要具備程式能力,前段影像擷取的部份可由硬體工程師進行整合,軟體的部份需具有程式能力的軟體工程是進行系統的開發與設計,其開發時程較長,適用於有獨特需求、並具備軟體開發能力的使用者。


    至於單機式架構則訴求簡易操作、快速上手,上述的三大使用族群各有不同的技術背景與需求,如企業用戶多要求簡單易操作、多功能合一的單機型設備,較不熟稔專業程式設計的影像工程師,只需要對機器視覺有一定程度的概念與實務經驗,即可透過套裝軟體完成單機型設備參數的設定。換句話說,因應不同的需求,機器視覺有不同的作法以及客戶群,各有其優勢與特點來滿足多元的應用。



    圖2 : 在科技、食品…等製造業中,機器視覺已逐漸取代人力,成為品管檢測的主要技術。(source: Applied Controls)
    圖2 : 在科技、食品…等製造業中,機器視覺已逐漸取代人力,成為品管檢測的主要技術。(source: Applied Controls)

    不過,儘管架構不同,但在近年來的AI化趨勢下,機器視覺的軟體平臺都必須走向高專業與精簡設計,以利於製造業者提高生產線效率,並縮短人才的培育時間。


    就如前文所敘述,過去常用的人力檢測已難因應現在產線需求,人眼除了會因工作時間的拉長導致品質下降外,越來越快的生產速度與部分小體積產品,人眼也難以負荷,因此AOI現已成為產線檢測主流技術,透過高解析工業相機與高效能影像軟體,強化製程的檢測效率。


    過去消費市場主要為少樣多量的型態,因此產線均設計為大批量生產,在建置前階段就將所有的環節緊密嵌合在一起,以最小的變動設計出最精簡的製程,以最快速生產模式創造出最大效益,不過工業4.0趨勢到來,徹底顛覆了製造思維。工業4.0是終端市場的需求為導向,透過客製化生產快速滿足市場需求,其最終目標是即便產線只生產一件產品也能獲利,因此彈性化成為新世代產線必須,包括AOI在內的產線設備都面臨變革。


    在過去的產線中,AOI檢測的導入雖然繁複,不過只要在產線設置前期設定完成,後期即便需要更動頻率也不高,因此對製造業者而言負擔並不沉重,不過在多樣化生產需求浮現後,彈性化成為新世代產線必要的設計,可快速設定並有自我學習能力的AI逐漸被應用在產線視覺檢測。


    AI解決方案不斷問世

    相較於其他應用,影像是目前AI發展最快的領域,透過機器學習演算法快速識別影像的做法,已被廣泛應用於交通、建築系統,其辨識率更可達到95%,此辨識率在上述領域雖已足夠,但在產線辨識仍然不足。


    現在手機上的Face ID或門禁系統的臉孔辨識,其辨識影像數據量龐大且被辨識物的背景單純,設備要辨識相對容易,而且使用者對失敗的容許度較高。產線辨識則會直接影響出貨良率,對錯誤容許度極低,而且被辨識的物件影像數據少、其背景複雜,因此其AI演算法不能一體適用,必須重新設計。



    圖3 : 相較於其他應用,影像是目前AI發展最快的領域。(source: SEMI)
    圖3 : 相較於其他應用,影像是目前AI發展最快的領域。(source: SEMI)

    除了演算法之外,硬體成本是另一個問題。現在AI的主要運算單元是GPU,一般產線上的檢測,必須拍攝到物件的上下左右共六個面向,因此其系統必須架設六組工業相機,而每組工業相機又都需要搭配一張GPU顯示卡作為運算,加總起來的設備成本非常高昂。此外,現在市面上的GPU多為消費性產品所設計,其產品供貨期偏短,難以滿足需要長期使用的工業系統,一旦GPU供應商斷貨,關鍵零組件就難以為繼,原有零組件一旦故障,設備就有可能必須因此停擺,造成龐大的損失。


    為解決此問題,機器視覺廠商必須選用符合工規標準的GPU產品,現已有廠商推出長期供貨的GPU,解決後續的維修問題。至於多GPU問題,NVIDIA也有可以外接型態運作的產品,可在一部工業電腦上外接六組GPU,其效能與過去的 六部電腦一致,不但大幅降低了設備的購置成本,也有效縮減產線空間並提升設備維修效率,且效率大幅增加,過去需要數天的前端AI訓練,導入後僅需數小時,效益提升了30倍以上,實際上線後,也將原來一秒多的運算時間最快縮短到5毫秒。


    整體而言,AI已是機器視覺的既定趨勢,雖然目前軟硬體技術都已堪使用,不過製造現場的環境複雜,且各製造業者的需求不一,因此在實際應用時仍需不斷調校。至於在供應面,由於AI機器視覺的市場龐大且需求明確,因此多數軟硬體廠商都已投入研發,新產品也不斷問世,未來發展值得期待。


    相關文章
    ? 中國人工智慧發展概況分析
    ? 當生成式AI遇上機器視覺
    ? 晶圓檢測:高解析度全域快門相機提升晶圓缺陷檢測效率
    ? 機器視覺與電腦視覺技術的不同應用
    ? 運用嵌入式視覺實現咖啡AI選豆
    comments powered by Disqus
      相關新聞
    » 臺達攜手珍古德協會與海科館 三方合作推動珊瑚復育教育
    » 嘉義縣以空品監測即時掌控工廠火災應變措施
    » 裕民航運聚焦於淨零轉型與全球布局 以營運韌性拓展綠色未來
    » 臺達於COMPUTEX 2025聚焦人工智慧與節能永續
    » 臺達電子公佈一百一十四年四月份營收 單月合併營收新臺幣407.82億元
      相關產品
    » 泓格iSN-811C-MTCP紅外線感測模組 從溫度掌握工業製造的安全與先機
    » 凌華科技透過 NVIDIA JetPack 6.1 增強邊緣 AI 解決方案
    » 安勤推出搭載NVIDIA Jetson平臺邊緣AI方案新系列
    » 臺達全新溫度控制器 DTDM系列實現導體加工精準控溫
    » 西門子推出下一代AI增強型電子系統設計軟體 提升使用者體驗

    ?
    刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

    Copyright ©1999-2025 遠播資訊股份有限公司版權所有 Powered by O3
    地址:臺北數位產業園區(digiBlock Taipei) 103臺北市大同區承德路三段287-2號A棟204室
    電話 (02)2585-5526 #0 轉接至總機 / E-Mail: webmaster@hope.com.tw
    主站蜘蛛池模板: 鹤壁市| 长丰县| 个旧市| 孟州市| 丹凤县| 盐源县| 开阳县| 临邑县| 五常市| 揭东县| 广德县| 兰州市| 彩票| 上饶县| 安国市| 余江县| 泊头市| 徐州市| 萝北县| 阿拉善盟| 建德市| 牙克石市| 中阳县| 财经| 永修县| 循化| 拜城县| 淮阳县| 浮山县| 枣庄市| 宾川县| 陈巴尔虎旗| 洪洞县| 西乌珠穆沁旗| 全州县| 淮阳县| 汉阴县| 调兵山市| 临沧市| 柘城县| 长岭县|